1701821293
1701821294
一般来说，选择样本的关键不是它够不够大，而是它是否足够多样化。如果样本来自一个跟整体关系不大的子群体，那么它的数量就没有太大价值。比如说众所周知的盖洛普调查，媒体经常会在全国大选中用它来预测竞选结果。要想了解全国选民对某个候选人或政治事件的看法，调查者们就必须从不同的年龄、教育水平、性别、区域、职业、种族，甚至宗教中群体进行抽样调查，而相对来说，调查者们就无须按照体重或发型等对选民进行划分了。只要分对子类别，然后从各个子类别中进行抽样，哪怕样本数量不是很大，其结果仍然具有代表性——事实上，一般来说，在一次涉及几百万人的大选中，盖洛普只需选1800人作为样本就足够了。
1701821295
1701821296
注意，代表性假设不同于类比假设。类比假设是两个事物之间的横向对比，而代表性对比则是个体与整体之间的纵向对比。换句话说，在进行类比时，人们关心的是“A”跟“B”之间能否画等号；而在进行代表性假设时，人们会关心“a”能否跟“A”画等号。
1701821297
1701821298
“好证据”假设漏洞
1701821299
1701821300
要想在论述中获胜，你所提出的论据一定要站得住脚。人们总是会只看那些支持自己观点的证据，而忽视那些不利于自己观点的证据，这是人的本性。打个比方，一个不愿意戒烟的人总是会看到吸烟有利的一面，比如说“吸烟有助于放松”“吸烟看上去很酷”“吸烟有利于减肥”等等，而对那些支持戒烟的事实会视而不见，比如说“吸烟对身体有害”“吸烟很费钱”等等。如果你不喜欢骑摩托车，那你就会更留意那些诸如“骑摩托车不安全”“骑摩托车容易弄脏衣服”“戴头盔会弄乱发型”“骑摩托车一次只能坐两个人”“雨雪天没法骑摩托车”等事实，而根本不会看到骑摩托车也有很多优势，比如说容易停靠、比较灵活、相对省油等等。
1701821301
1701821302
要想保持客观，就要列出所有与手头问题相关的证据。如果想要找到“真相”，就不能忽略或扭曲任何相关事实。全世界大多数国家的法律都是采用对抗性司法系统。在这些国家，辩方律师总是会按照有利于己方的方式来提供证据，而为了保持公正，法官和陪审团在听取证词及双方辩论时就必须保持客观，做到不偏不倚。
1701821303
1701821304
因果假设漏洞
1701821305
1701821306
一件事真的会引发另外一件事吗？两件事之间可能存在很多种关系，因果关系是其中的一种。一般来说，当两件事之间存在因果关系时，我们会把第一件事称为“因”，第二件事称为“果”，或者可以用→来表示。
1701821307
1701821308
如表4-4所示，因果关系一共分为六种可能的情况。
1701821309
1701821310
表4-4 巧合，相关，因果
1701821311
1701821312
1701821313
1701821314
1701821315
在讨论两件事情是否存在因果关系时，我们首先要考虑的问题是：这两件事情之间是否有关系。有时候看似关联的两件事之间可能不存在任何关系，比如说，“就在那只猫从树上掉下来之前，十字路口的信号灯变红了，所以红灯可能是那只猫掉下来的原因”。（但事实上，这可能只是巧合。）
1701821316
1701821317
如果两件事之间确实存在关系，那我们就要问：两件事之间是因果关系，还是只是相关而已。如果说二者确实相关，我们就要判断二者关联度是高还是低。如果二者确实存在因果关系，我们就要判断它们是正向因果、替代性因果，还是反向因果。
1701821318
1701821319
下面我们详细说表4-4列出的各种关系。
1701821320
1701821321
纯粹巧合：“每次加时赛时，只要我坐到我最喜欢的座位上，我们的球队就会赢。”显然，你的“幸运座”不可能是球队赢球的原因，而且“倒霉座”也不可能会让你的球队输球，二者纯粹是巧合。
1701821322
1701821323
相关度很低：试想一下，“你所在的城市开了一家新健身房”，“整座城市的人健康水平提高了”，这两件事或许相关，但相关度一定不高。没错，当开了家新健身房，里面还有各种器械和健身课程的时候，有些人确实会报名参加，甚至会经常锻炼，有些人的健康水平也会因此提高。但实际来说，一家健身房对整座城市的健康水平影响是有限的。一座城市可能有几百万人，但可能只有几百人成为健身房会员。而且就算没有健身房，人们照样可以通过步行、骑自行车或爬山来锻炼，根本不需要去健身房。
1701821324
1701821325
高度相关（但并没有因果关系）：有些因素确实高度相关，比如说个子高的人更容易成为NBA球员。虽然并非每个NBA球员都是高个子，但绝大多数球员个子都比较高。所以我们可以说，“个子高”和“NBA”这两个因素之间确实高度相关。
1701821326
1701821327
还有一个高度相关的例子是销售额和广告投入。很多人发现，公司的广告投入越多，销售额就会越高。（有专家相信，广告投入和销售额的关联度大约为+0.8。）
1701821328
1701821329
类似的例子还有天气和冰激凌销量，或者说阴雨天气和雨伞销量。
1701821330
1701821331
很多人会把高度相关误认为因果关系，但一定要记住，二者之间有着本质的区别。
1701821332
1701821333
正向相关：万有引力体现的就是一种因果关系——我把一个苹果扔到空中，它就会落下来。正向相关的例子还包括：咖啡消耗量和咖啡豆用量，婴儿出生数量和纸尿裤用量。但需要提醒的是，咖啡消耗量和农场种的咖啡豆数量，或者婴儿出生数量和纸尿裤产量之间未必存在正向相关关系。
1701821334
1701821335
替代性相关：替代性相关也可称为替代性因果解释。我们认为事物间存在因果关系，也知道结果是什么，但对于原因却有不同的看法。当一件事情发生时，我们一定要清醒地认识到，除了显而易见的原因之外，这件事情之所以发生，还可能有其他原因。比如说当一家公司增加广告预算，然后发现销售额增加时，我们很容易会认定是广告带来了销售增长，从而断定二者之间确定无疑存在因果关系。但广告投入也可能对销售影响不大，甚至毫无关系。销售额之所以增长，很可能是因为公司的竞争对手破产了。再举个例子，“很明显，最近的校园枪击案之所以增加，就是因为人们看了太多暴力节目了”。这话可能会有道理，但谁又能证明枪击案增加不是因为枪支管制太松懈了呢？说不定跟教育水平下滑或者宗教信仰弱化有关？（也就是说，导致B的原因很可能并不是A，而是C。）
1701821336
1701821337
或者还可能有第三种因素同时导致A和B。打个比方，校园枪击案频发和人们看太多暴力节目可能都是因为一个共同的原因——家庭破裂。（此时不是A引发B，而是C引发了A和B。）
1701821338
1701821339
反向因果：你最喜欢的商业小说作家是谁？你有没有想过：到底是因为他有名气，所以才卖掉那么多小说，还是因为他卖掉了那么多小说，才变得有名呢？反向因果关系往往非常微妙。你以为是X引发了Y，但实际上却是Y引发了X。下面的例子或许能说明这一点。
1701821340
1701821341
比如说你发现你的同事莎莉总是比别人更努力。于是你告诉自己，“莎莉很勤奋，所以我们老板喜欢把最难的任务交给她”。那么有没有可能恰恰相反呢？如果莎莉原本是个懒蛋，由于接到了一个棘手的任务，所以最近才那么勤奋呢？这样一来，事情就变成了，“因为莎莉接到了一项很难的任务，所以她不得不变得勤奋”。
1701821342